The best!

Excellent

Real good

Отлично!

awesome

Отлично

10/10

great

Super

best

Норм

Отл

)

+

В общем и целом курс мне понравился.

В нём много математики, что не удивительно, т.к курс основан на материале, который ориентирован на студентов физико-математических вузов. По сравнению с курсами типа "Программирование для домохозяек", которых полно здесь на курсере - это несомненный плюс. С другой стороны иногда приходилось тратить значительное время на то, чтобы вспомнить некоторые вещи из математики, в частности той же линейной алгебры (которой здесь, кстати, очень много). Немного в этом помогли дополнительные материалы, предоставляемые авторами курса - за что им большое спасибо.

Практические задания были не очень сложными, т.к. инструкции для выполнения очень подробные. Основная проблема с их выполнением была в том, что часто неправильно работала система оценки практических заданий, но это было в основном по началу курса.

Не скажу что для их выполнения требуются существенные познания в программировании - достаточно базового понимания Python и умения искать в интернете документацию по нужным библиотекам. Довольно большая часть возникающих вопросов разрешалась прямым запросом в гугле первой же ссылкой на Stackoverflow.

Некоторые задания были достаточно интересными с точки зрения получаемого результата - например кластеризация цветов на изображении.

Понравился также финальный проект. Само задание оставляет простор для творчества + при желании можно участвовать в конкурсе на kaggle, где можно проверить свои знания на практике.

4 из 5 ставлю за излишне формализованный теоретический материал. Всё же не все потенциальные слушатели курса с легкостью разберутся что такое L2-регуляризация или SVD-разложение.

Офигенный курс, познавательно, захватывающе - несколько закрученных сюжетных линий, интересная развязка. Сложно сразу определить жанр - много математики, но есть история, биология и немало мистики.Здесь можно много узнать о пассажирах Титаника (например, что самое популярное женское имя на корабле - Анна) и размерах цветка ириса. Курс захватывает с первых серий и держит в напряжении до конца. Некоторые серии настолько хороши, что я пересматривал их по несколько раз.

Отличный подбор актеров - в главной роли доктор физико-математических наук К.В. Воронцов. Игра актеров завораживает - они так легко оперируют всякими мистическими символами и непонятными словами - это надо видеть! Воронцов иногда так входит в роль, что даже игнорирует подсказки суфлера (логическая/логистическая регрессия). Я так проникся, что даже решил немного отпустить волосы, чтоб быть похожим, очки-то у меня уже есть)).

Задания курса очень увлекательные, вызывают бурю эмоций и иногда восторг, когда циферки сходятся! Я делал их на свежую голову по утрам, глубокой ночью и даже в пятницу вечером (иногда это просто необходимо - “без пол литра, никак”), но я так и не понял, когда их лучше делать - к каждой задачке нужен свой подход!

В общем, не могу не порекомендовать этот курс!

Больше понравились практические задания, где несмотря на очень подробную инструкцию (что очень хорошо) всё-равно приходилось много гуглить. К минусам бы отнёс подачу лекционного материала: с первого видео в речи лектора использовалось большое количество слов-профессионализмов, которые приходилось также гуглить каждые 10 секунд видео. Также очень много сухой теории и ненужных математических обоснований, которые не имеют никакого смысла для человека, который решил заняться машинным обучением. Всегда хотелось перелистнуть все видео и сесть за практику. В любом случае курс называется "ВВЕДЕНИЕ в машинное обучение", а не "погружение в него для аспирантов-математиков с исследованием алгоритмов на уровне машинного кода". Ну и хотелось бы отметить, что очень понравилось финальное задание, смог почувствовать настоящим разработчиком над реальным проектом. В плане оформления методических пособий всё на высшем уровне. Объективно очень качественный курс!

Несмотря на довольно тяжелое введение, курс очень понравился.

С одной стороны, если бы я не проходил курс от Ng, врядли бы смог зафиналить. Очень математическое введение, другие обозначения целевой переменной и алгоритмов.

С другой стороны к третьему-четвертому уроку втягиваешься и начинаешь проводить правильные ассоциации. Формальный подход дает возможность по новому взглянуть на уже известные алгоритмы.

Отдельно спасибо за качественно продуманные практические задания. Если в первых уроках кажется, что они не очень между собой связаны, то в финальном задании практически каждый блок на своем месте. Если у Ng задания были практически дословным воплощением мат. формулы в матлабовский код, то здесь реальные данные показывают свое истинное лицо. Надо включать мозг и смотреть документацию к numpy, pandas и тп.

Финальное задание отдельно порадовало. Дает реальное "ощущение" работы с моделями.

Спасибо!

Ну что ж, начнем ))) Я бы сказал отличный курс. Я не математик и почти мало программирую, потому как больше выполняют роль менеджера (СТО). На курс пошел для того чтобы хоть немного раззбираться в теме и попробовать применять ее в наших проектах. Вся теория утомляет, и честно сказать, я думал что не пройду курс по причине слабого мат аппарата, но благодаря практике смог постепенно разобраться. Здесь чувствуется советская школа, очень много сложной теории, которая ну никак не является введением )) Очень порадовал финальное задание, получилось расставить все по полочкам, так сказать окончательно для себя выбрать самое основное и понять как применять эти знания на практике в своей работе. Больше бы практики в этом курсе и была бы оценка 5. В любом случае огромное спасибо создателям курса! Хотелось бы продолжение.

Спасибо за создателям этого курса за материал!

Скажу сразу, что осваивать материал было очень тяжело. Теоретическая часть была еще более менее понятна, задания разбивались на части и проходились поэтапно. Но вот создание программ на Python было куда сложнее. Приходилось очень много гуглить, т.к. те примеры кода, которые приведены в курсы, явно мало, чтобы создать законченную программу.

Но мне все это не испугало. Любой материал осваивать сложно.

Очень порадовало, что в конце материал подытожен и рассказаны главные шаги в любом анализе данных. После этого картина улеглась в голове еще лучше.

После курса осталось желание изучать материал еще глубже. Поэтому записался на другие русскоязычные курсы. Потом собираюсь пройти англоязычный курс.

Еще раз спасибо создателям курса!!!

Задания курса очень объемные, и некоторые из них требуют глубоких знаний языка Python, так что выполнять их было непросто. Но именно поэтому данный курс мне показался очень интересным и полезным. Однако, во многих заданиях есть тонкие моменты, которые, с моей точки зрения, требуют более подробных пояснений. Например, в одном из заданий требуется объединить обучающую выборку с тестовой для правильной работы TfidfVectorizer, а потом их опять разделить, о чём не было сделано акцента в описании задания. Хотя возможно, так и было задумано с целью заставить студентов думать.

Спасибо организаторам за создание данного курса. Надеюсь, что он будет развиваться и совершенствоваться.

В целом курс выглядит неплохим. Из недостатков:

1. Кто-то уже отмечал, что курс "скомканный". По-видимому, составители использовали свою стандартную очень объёмную программу обучения, вырезав из неё бОльшую часть материала. Возможно, требуется ещё немного отшлифовать данный курс, чтобы он выглядел более целостным.

2. Курс довольно сложный, хотя позиционируется как вводный. Для досконального понимания всего материала лекций требуется хорошее знание многих областей математики. В связи с этим было бы неплохо добавить больше заданий на понимание теории и/или подсократить эту самую теорию.

3. Хотелось бы более подробной расшифровки формул в тексте презентации.

Лекции совершенно не согласуются с заданиями и квизами. С тем же успехом вместо лекций могли бы дать ссылки на википедию и прочие ресурсы, где приходится искать ответы на нераскрытые в лекциях вопросы, пытаясь понять что авторы курса имели в виду. К тому же, терминология авторов курса расплывчата и отличается от информации, которую можно найти в интернете. Курс, в котором требуется знание в предметной области, не покрываемое лекциями, нельзя называть введением. Это обманывает слушателя. Но в целом курс понравился. Я не жалею что продержался до конца. Многие вещи оказались действительно интересны и полезны. Большое спасибо авторам!

Курс понравился, легче пошел чем аналогичный у Andrew Ng.

Сложно разбираться с математическими выкладками, много из них глубоко понять не получается.

Тем не менее, я ознакомился с базовыми алгоритмами машинного обучения, и популярными ансамблями. Очень порадовало финальное задание - было интересно и практично, давно не знал как подступиться к Kaggle.

Тема нейронных сетей очень поверхностна. Нужно дополнительную неделю-две или даже отдельный курс чтобы раскрыть эту тему полностью. Не хватает практического задания по нейронным сетям, не хватает практики по кластеризации и частичному обучению.

В целом доволен!

Сам по себе курс хороший и нужный. Но уж очень "резво" спланирован. Указанные в описании "3-5 часов в неделю" реальны для тех, кто хорошо ориентируется в математике, знает питон и знает библиотеки, которые используются. Такому человеку, по большому счету, этот курс не особо и нужен :) А для остальных будет правильнее "3-5 часов в день".

Складывается ощущение, что цель курса не столько обучение, сколько отбор.

Все же, я постараюсь его пройти. Авторам курса огромное спасибо - очень помог сориентироваться в новом для меня вопросе, понять что к чему и куда двигаться дальше.